في عالم الطب الحديث، يُعتبر عدم انتظام ضربات القلب (Cardiac arrhythmia) مؤشرًا مبكرًا لعدد من مشاكل القلب الصحية، مما يجعل تشخيص هذه الحالة أمرًا بالغ الأهمية. ومع تقدم تقنيات التعلم العميق، ظهرت نماذج مبتكرة تستخدم إشارات رسم بياني القلب (Electrocardiogram - ECG) لتشخيص هذه الاضطرابات. لكن للأسف، تركز العديد من الدراسات على أداء هذه النماذج دون تفسير نتائجها، مما يؤدي إلى نقص كبير في الشفافية، وهذا يعد خطرًا جديًا في العملية التشخيصية.

لتجاوز هذه المشكلة، جاء البحث الجديد بتقديم نموذج MambaCapsule، الذي يعتمد على الشبكات العصبية العميقة لتصنيف اضطرابات القلب. يهدف هذا النموذج إلى زيادة الشفافية مع تحسين الدقة، بضمان تقديم معلومات موثوقة حول النتائج.

يستخدم نموذج MambaCapsule تقنية Mamba لاستخراج الميزات، وشبكات الكبسولة (Capsule Networks) للتنبؤ، مما لا يوفر فقط درجة ثقة بل يشرح أيضًا ميزات الإشارة. مثلما تعمل آلية معالجة المعلومات في الدماغ البشري، يتعلم النموذج ميزات الإشارة وعلاقتها ببعضها البعض من خلال إعادة بناء إشارات ECG في الاختيار المتوقع.

خضع النموذج لتقييم دقيق اعتمادًا على مجموعات البيانات MIT-BIH وPTB وفقًا لمعايير AAMI. وقد حقق MambaCapsule دقة بلغت 99.54% و99.59% على مجموعات الاختبار، مما يُظهر أداءً واعدًا تحت بروتوكول الاختبار القياسي.

هل تعتقد أن مثل هذه التطورات ستساهم في تحسين تشخيص الأمراض القلبية بشكل كبير؟ شاركونا آرائكم في التعليقات!